표제지
목차
ABSTRACTS 9
제1장 서론 11
제1절 연구 개요 11
제2절 연구 배경 및 동향 11
제2장 의료영상 진단의 분석 영구 13
제1절 의료영상 라벨링의 개념 13
제2절 의료영상 진단을 위한 딥러닝 기법 14
1. CNN(Convolutional Neural Network) - 합성곱 신경망 14
2. RNN(Recurrent Neural Network) - 순환 신경망 16
3. DBN(Deep Belief Network) - 심층 신경망 17
제3장 의료영상 진단의 라벨링의 처리 방안 20
제1절 딥러닝 기반에 신경망의 원리 20
제2절 의료영상 진단 처리를 위한 심층 신경망 21
제3절 의료영상 진단 처리를 위한 심층 신경망 23
제4장 의료영상 진단의 한계 및 해결책 26
제1절 의료영상 진단의 사례 26
제2절 의료영상 진단의 한계 28
1. 의료영상 처리 및 분석의 한계 29
2. 의료영상의 캡션 데이터를 획득의 한계 29
제3절 의료영상 진단의 해결책 30
1. 전이 학습과 약한 지도학습 30
2. 영상 다중 모드 정보와 공간 정보의 융합 32
3. 대규모 의료 데이터 분석 및 학습 데이터 라벨링 33
제5장 결론 35
참고 문헌 36
[표 2-1] 지도 학습과 비지도 학습 18
[표 2-2] HMM 기반 심층 신경망의 활용 19
[그림 2-1] 지도 학습과 비지도 학습 13
[그림 2-2] CNN의 전체 연결 및 부분 연결 15
[그림 2-3] 합성곱 신경망의 구조 16
[그림 2-4] 심층 신경망의 구조 18
[그림 2-5] DBN 구성 절차 19
[그림 3-1] 인간의 시각적 분석 프로세스 20
[그림 3-2] Image-Net 데이터 세트의 영상 인식 22
[그림 3-3] 합성곱 신경망 기초에 의료영상 분할 23
[그림 4-1] 폐암과 두경부암 관련 영상 특징 26
[그림 4-2] 교모세포종의 IT 순차 영상 27
[그림 4-3] 대장암에 대한 샘플 이미지 28